دانلود پاورپوینت شبکه های عصبی مصنوعی جهت رشته ی مهندسی نرم افزار و هوش مصنوعی در قالب 45 اسلاید و با فرمت pptx به صورت کامل و جامع و با قابلیت ویرایش

 

 

 

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای  داده های آموزشی مصون بوده  و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار،  شناسائی و  تعبیر تصاویر،  و یادگیری روبات  اعمال شده است.

 

 

 

فهرست مطالب

مقدمه

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

مسائل مناسب برای یادگیری شبکه های عصبی

Perceptron

یادگیری یک پرسپترون

توانائی  پرسپترون

توابعی که پرسپترون قادر به یادگیری آنها میباشد

توابع بولی و پرسپترون

آموزش پرسپترون

قانون پرسپترون

قانون دلتا Delta Rule

الگوریتم gradient descent

بدست آوردن قانون gradient descent

محاسبه گرادیان

خلاصه یادگیری قانون دلتا

مشکلات روش gradient descent

تقریب افزایشی gradient descent

شبکه های چند لایه

و...